Giới thiệu học sâu với PyTorch

Nhập môn Deep Learning với PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Học sâu ở khắp nơi!

Minh họa nhiều ngôn ngữ quanh địa cầu

Nhập môn Deep Learning với PyTorch

Học sâu ở khắp nơi!

Minh họa nhiều ngôn ngữ quanh địa cầu và xe tự lái

Nhập môn Deep Learning với PyTorch

Học sâu ở khắp nơi!

Minh họa nhiều ngôn ngữ quanh địa cầu, xe tự lái và chẩn đoán y tế

Nhập môn Deep Learning với PyTorch

Học sâu ở khắp nơi!

Minh họa nhiều ngôn ngữ quanh địa cầu, xe tự lái và chẩn đoán y tế

Nhập môn Deep Learning với PyTorch

Học sâu là gì?

Sơ đồ lớp (onion) cho thấy học sâu là tập con của học máy

Sơ đồ mạng nơ-ron nhỏ

Nhập môn Deep Learning với PyTorch

Học sâu là gì?

Sơ đồ lớp (onion) cho thấy học sâu là tập con của học máy

Sơ đồ mạng nơ-ron nhiều lớp

Nhập môn Deep Learning với PyTorch

Mạng học sâu

$$

  • Lấy cảm hứng từ cách não người học

Minh họa người đang nghiên cứu não bộ

Nhập môn Deep Learning với PyTorch

Mạng học sâu

$$

  • Lấy cảm hứng từ cách não người học
  • Nơ-ron ➝ mạng nơ-ron
  • Mô hình cần lượng dữ liệu lớn
  • Ít nhất hàng trăm nghìn điểm dữ liệu

Minh họa người nghiên cứu não bộ, nhấn mạnh nơ-ron

Nhập môn Deep Learning với PyTorch

PyTorch: framework cho học sâu

$$

$$

  • Một trong các framework phổ biến nhất
  • Do Meta AI phát triển, nay thuộc Linux Foundation
  • Trực quan, dễ dùng
  • Tương đồng với NumPy

 

Logo PyTorch

Nhập môn Deep Learning với PyTorch

Tensor trong PyTorch

$$

  • Tensor:
    • Tương tự mảng hoặc ma trận
    • Khối xây dựng của mạng nơ-ron

$$

import torch

my_list = [[1, 2, 3], [4, 5, 6]]
tensor = torch.tensor(my_list)
print(tensor)

tensor([[1, 2, 3],
        [4, 5, 6]])
Nhập môn Deep Learning với PyTorch

Thuộc tính của tensor

  • Kích thước tensor (shape)
my_list = [[1, 2, 3], [4, 5, 6]]
tensor = torch.tensor(my_list)
print(tensor.shape)

torch.Size([2, 3])
  • Kiểu dữ liệu tensor (dtype)
print(tensor.dtype)

torch.int64
Nhập môn Deep Learning với PyTorch

Bắt đầu với phép toán tensor

Kích thước tương thích

a = torch.tensor([[1, 1], 
                  [2, 2]])

b = torch.tensor([[2, 2], 
                  [3, 3]])
  • Cộng / trừ
print(a + b)

tensor([[3, 3],
        [5, 5]])

Kích thước không tương thích

a = torch.tensor([[1, 1], 
                  [2, 2]])

c = torch.tensor([[2, 2, 4], 
                  [3, 3, 5]])
  • Cộng / trừ
print(a + c)

RuntimeError: The size of tensor a
(2) must match the size of tensor b (3) 
at non-singleton dimension 1
Nhập môn Deep Learning với PyTorch

Nhân theo phần tử

a = torch.tensor([[1, 1], 
                  [2, 2]])
b = torch.tensor([[2, 2], 
                  [3, 3]])
print(a * b)

tensor([[2,  2],
        [6, 6]])
Nhập môn Deep Learning với PyTorch

Nhân ma trận

Phép nhân ma trận

Nhập môn Deep Learning với PyTorch

Nhân ma trận

Phép nhân ma trận được tô nổi bật

$$

  • $1 \cdot 2 + 1 \cdot 3 = 5$

$$

  • Thực hiện cộng và nhân để xử lý dữ liệu và học mẫu
Nhập môn Deep Learning với PyTorch

Hãy thực hành nào!

Nhập môn Deep Learning với PyTorch

Preparing Video For Download...